面灵AI→

华鲲振宇 AI 开发一面:Go GMP、MySQL 索引与 Redis 缓存问题,再问 RAG 与 LangGraph

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. GMP 模型了解吗?
  3. range 遍历 channel 什么时候退出?
  4. slice 的底层数据结构是什么?
  5. 实习项目中 Go 主要使用了哪些数据结构?
  6. 实习项目中有用哪些数据库?
  7. MySQL 结构里 B 树和 B+ 树有什么区别?
  8. 一条 SQL 怎么排查慢查询?
  9. 索引失效场景有哪些?
  10. like 通配符怎么写?like 前面没 % 后面有 % 会失效吗?
  11. InnoDB 的四个隔离级别了解吗?分别解决什么问题?
  12. Redis 有哪些数据结构?项目中用的什么?
  13. Redis 三大缓存问题是什么?怎么解决?
  14. Redis 怎么做分布式锁?
  15. RAG 怎么做的?主要解决大模型什么问题?
  16. 多层记忆里面记忆都是怎么存储的?
  17. 怎么判断哪些是长期记忆并进行保存?
  18. LangGraph 原理是什么?项目用来做什么?
  19. 平时通过什么渠道了解 AI 新知识、新工具?
  20. 反问。

《参考解析》

GMP 与 channel:G 是 goroutine,M 是操作系统线程,P 是处理器上下文,持有本地运行队列。M 必须绑定 P 才能执行 G,P 的数量由 GOMAXPROCS 决定;本地队列空了会从全局队列或其他 P 偷取(work stealing),G 阻塞在系统调用时 M 与 P 解绑,P 交给其他 M。range 遍历 channel 在 channel 被关闭且缓冲区数据取完后退出;channel 未关闭且没有数据时会一直阻塞,需要靠 close、return、break 或 select 加超时退出。slice 是「指向底层数组的指针 + len + cap」的结构体,append 超过 cap 会扩容并复制,多个 slice 共享底层数组时修改会互相影响。

B+ 树与 B 树的差别:B 树的非叶子节点也存数据,B+ 树只有叶子节点存数据或指向数据的指针,非叶子节点只存键,因此同样页大小下扇出更大、树高更低;B+ 树的叶子节点用链表相连,范围查询和排序只需遍历叶子,B 树需要中序遍历。InnoDB 的聚簇索引叶子存整行,二级索引叶子存主键,回表再查。

慢查询排查:先开慢查询日志确认是哪条 SQL、执行频率与耗时;用 EXPLAIN 看访问类型、命中索引、扫描行数、是否 filesort 或临时表;再看索引设计是否匹配查询条件与排序,必要时建联合索引或覆盖索引;数据量过大考虑分页优化、归档或分表;也可能是锁等待、网络或返回数据量过大。优化后用同样的数据与并发复测。

索引失效的常见场景:对索引列做函数或表达式运算、隐式类型转换(字符串列传数字)、联合索引不满足最左前缀、like '%x' 前导模糊、or 连接的条件有一侧无索引、!=/not in 导致优化器放弃索引、is null 与数据分布、以及优化器估算回表成本过高主动选择全表。like 'x%' 是前缀匹配可以用索引,like '%x%' 和 like '%x' 用不上。

隔离级别:读未提交会有脏读;读已提交解决脏读,但会有不可重复读;可重复读解决不可重复读,InnoDB 默认级别,通过 MVCC 快照读加间隙锁在很大程度上避免幻读;串行化全部加锁,并发最低。回答时区分「标准定义」与「InnoDB 的实现」:RR 下快照读看到的是事务开始时的视图,当前读会加 next-key lock。

Redis 与缓存三问题:数据结构有 string、hash、list、set、zset,以及 bitmap、HyperLogLog、geo、stream。缓存穿透是查不存在的数据,方案是参数校验、空值缓存、布隆过滤器;缓存击穿是热点 key 过期瞬间大量请求回源,方案是互斥锁重建、逻辑过期、热点永不过期;缓存雪崩是大量 key 同时过期或 Redis 故障,方案是过期时间加随机、集群与降级、限流。分布式锁用 SET key value NX PX ttl 加锁,value 用唯一标识,释放时用 Lua 比对后删除;业务执行超过 TTL 需要看门狗续期,Redisson 已封装。单机 Redis 的主从切换可能丢锁,强一致场景要用 fencing token 或接受额外成本。

RAG 解决的是知识时效、私有数据与幻觉:把文档切块、向量化、存入向量库,查询时检索相关片段拼进上下文,让模型基于证据回答。效果取决于切分、embedding、召回、rerank 与提示,工程上要建评测集衡量召回率与答案正确率,并做引用与拒答。

多层记忆的存储与长期记忆判定:短期记忆存当前对话窗口,中期存滚动摘要,长期存事实、偏好与结论,通常放向量库或结构化表,附带时间、来源、置信度。写长期记忆不能把所有对话都存进去,判据可以是:用户明确要求记住、信息在多次对话中重复出现、对未来任务有持续影响(偏好、身份、长期目标)、以及模型抽取后的重要性评分超过阈值;写入前做去重与冲突检测,旧事实标记失效而不是直接删除,并设置过期与用户可删除的入口。

LangGraph 的原理:把 Agent 或工作流建模成状态图,节点是函数或模型调用,边定义流转,支持条件边、循环、并行与中断;核心是一个可持久化的状态对象,每个节点读取并返回状态更新,checkpointer 保存每一步以便恢复与人工介入。项目里通常用它做多步 RAG、工具编排或带人工审核的流程,比一次性提示更容易观测和回放。

了解 AI 新知识的渠道:官方文档与发布说明、论文与开源仓库、X 与 Hacker News、国内社区与公众号、以及自己动手跑一遍。回答时给一个具体例子,比如最近读的某个模型或框架的文档、复现过的一个 demo,比列渠道名单可信。